ID3决策树 自信息 \[I(x)=-log_bp(x) \]可以先把自信息理解成跟米，公顷一样的一种单位，不必在这纠结 信息熵 度量随机变量 \(X\)的不确定性，信息熵越大越不确定 \[H(x) = E[I(X)] = -\sum_xp(x)log_bp(x)\tag{以离散型为例} \] 在计算时约定 如果 p(x) = 0 ，则 \(p(x)log_bp(x)=0\)
「青少年编程竞赛交流群」已成立（适合6至18周岁的青少年），公众号后台回复【Scratch】或【Python】，即可进入。如果加入了之前的社群不需要重复加入。 电子学会 软件编程（Python）一级训练营 试题来源 青少年软件编程（Python）等级考试试卷（一级）【2020.06】青少年软件编程（Python）等级考
Datawhale学习打卡LeeML-Task03 误差误差来源解释：类比解释数学证明 估计变量x的偏差和方差估计变量x的偏差估计变量x的方差 不同模型的偏差和方差考虑不同模型的偏差考虑不同模型的方差 过拟合和欠拟合怎么判断 偏差和方差的trade-off （平衡）——模型选择交叉验证N-折交叉验
一、学习知识点概要 ①python标准异常总结 ②python标准警告总结 ③try-except语句 ④try-excpet-finally语句 ⑤try-except-else语句 ⑥raise语句 二、学习内容 1.Python 标准异常总结 异常体系内部有层次关系，Python异常体系中的部分关系如下所示： 2.Python标准警告总结 3.t
第4章 决策树 4.1 基本流程 #**输入：**训练集D={${(x_1,y_1),(x_2,y_2),...,(x_m,y_m)}$}; 属性集A=${{a_1,a_2,...,a_d}}$. #**过程：**函数TreeGeneratw(D,A) 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: **输出：**
文章目录 深度学习的必要部分主要步骤特点 基本配置数据读入：Dataset+Dataloader定义自己的Dataset类 模型构建神经网络的构造神经网络中常见的层模型示例 损失函数L1损失函数MSE损失函数平滑L1 (Smooth L1)损失函数目标泊松分布的负对数似然损失KL散度MarginRankingLoss多
Datawhale九月组队学习：情感分析 往期指路： Task01情感分析BaseLine Task02情感分析Upgrade 文章目录 Datawhale九月组队学习：情感分析前言笔记要点：1. 模型搭建流程：2. 数据预处理要点记录：3. 模型搭建要点记录：4. 模型训练要点记录： 总结 前言 在这一小节中，
第四章 决策树 4.1基本流程 从逻辑角度就是 很多if else语句的组合 从集合角度，根据某种准则划分特征值空间 最终目的：将样本越分越细 且越来越纯(接近我们希望的划分的结果) 决策树的生成是一个递归过程： 当前属性集为空，或是所有样本在所有属性上取值同，无法划分 把当前结点标记为叶
3.1 创建出满足下述三个条件的视图（视图名称为 ViewPractice5_1）。使用 product（商品）表作为参照表，假设表中包含初始状态的 8 行数据。 条件 1：销售单价大于等于 1000 日元。条件 2：登记日期是 2009 年 9 月 20 日。条件 3：包含商品名称、销售单价和登记日期三列。 对该视图执行 SELE
文章目录 前言一、数据合并1.导入数据2.数据合并：方法一——通过concat3.数据合并：方法二——通过join&append4.数据合并：方法三——通过merge&append5.merge、join以及concat三种方法比较6.将数据变为Series类型的数据 二、数据聚合与运算1.GroupBy机制:2.操作实例2.1.计算
第二章 2 数据重构2.1 数据的合并2.1.1 将data文件夹里面的所有数据都载入，观察数据的之间的关系2.1.2 使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up2.1.3 使用concat方法：将train-left-down和train-right-down横向合
参考链接：https://github.com/datawhalechina/leeml-notes 文章目录 第一部分 误差一、误差的来源二、偏差和方差2.1 偏差2.2 方差 三、方差偏差的判断3.1偏差大-欠拟合3.2方差大-过拟合 四、模型选择4.1交叉验证4.2 N-折交叉验证 第二部分 梯度下降一、回顾: 梯度下降法二
# 导入基本库 import numpy as np import pandas as pd 任务一：读取数据，并观察数据之间的关系 train_left_up=pd.read_csv('train-left-up.csv') train_left_down=pd.read_csv(r'.\train-left-down.csv') train_right_up=pd.read_csv(r'.\train-right-up.csv') tr
这一节的任务为数据重构，它仍然是对数据的理解 1 数据合并 在python中，有三个函数可以将数据合并，分别是concat、join和merge、join，接下来将介绍这三个函数的用法。 1、pd.concat pd.concat(objs, axis=0, join=‘outer’, join_axes=None, ignore_index=False, keys=None, leve
数据重构 数据的合并 train-left-up.csv为左三列的正向排序 train-right-up.csv为右八列的正向排序 #使用concat方法：将数据train-left-up.csv和train-right-up.csv横向合并为一张表，并保存这张表为result_up list_up = [text_left_up,text_right_up] result_up = pd.concat(li
之前接触了sql基本的查询用法，接下来介绍一些相对复杂的用法。 3.1 视图 我们先来看一个查询语句 SELECT stu_name FROM view_students_info; 单从表面上看起来这个语句是和正常的从数据表中查询数据是完全相同的，但其实我们操作的是一个视图。所以从SQL的角度来说操作视图与操作表
本学习笔记为阿里云天池龙珠计划金融风控训练营的学习内容，学习链接为：https://tianchi.aliyun.com/specials/activity/promotion/aicampdocker 一、学习知识点概要 本节学习的是将多个模型融合的方法。 二、学习内容 模型融合的方法： 平均（适用于回归问题）： 简单平均法 直接融合，求多
Detail 零基础入门数据挖掘 (心跳信号分类) 学习反馈TASK1 使用语言：python Tas1 – Task5 Task2 特征工程分析 目标：数据处理操作内容：异常处理、特征归一化/标准化、数据分桶、缺失值处理、特征构造、特征筛选、降维 1.学习了本次介绍的关于异常值处理的代码包装模块，感觉大佬
Task03：复杂查询方法 本笔记为阿里云天池龙珠计划SQL训练营的学习内容，链接为：https://tianchi.aliyun.com/specials/promotion/aicampsql； 3.1 视图 3.1.1 视图与表 视图是一个虚拟的表，不同于直接操作数据表，视图是依据SELECT语句来创建的，所以操作视图时会根据创建视图的SELECT语
三、特征工程 这里写目录标题 三、特征工程来源 1 特征工程2 载入数据及预处理2.1 载入数据2.2 数据预处理 3 使用 tsfresh 进行时间序列特征处理3.1 tsfresh3.2 特征提取3.3 特征选择 参考资料 来源 Datewhle23期__数据挖掘心跳检测 : https://github.com/datawhalech
【天池龙珠计划】Python训练营 Task03 Python基础进阶：从函数到高级魔法方法 文章目录 【天池龙珠计划】Python训练营 Task03 Python基础进阶：从函数到高级魔法方法一、函数1.函数的定义2.函数的参数3.函数的返回值4.变量作用域 二、Lambda 表达式1.匿名函数的定义2.匿名
目录 视图什么是视图视图与表的区别为什么会存在视图如何创建视图如何修改视图结构如何更新视图内容如何删除视图 视图 什么是视图 视图是一个虚拟的表，不同于直接操作数据表，视图是依据SELECT语句来创建的（会在下面具体介绍），所以操作视图时会根据创建视图的SELECT语句生成
任务：统计包含代码的论文 本次任务的主要内容就是利用正则表达式在comments或abstract字段中取出具体的代码链接。 任务重点：正则表达式的学习和使用。 准备工作，取出数据中的abstract, categories, comments 对应的内容。 import re import json import pandas as pd import
一、任务说明 任务主题：论文代码统计，统计所有论文出现代码的相关统计；任务内容：使用正则表达式统计代码连接、页数和图表数据；任务成果：学习正则表达式统计； 二、数据处理步骤 在原始arxiv数据集中作者经常会在论文的comments或abstract字段中给出具体的代码链接，所以我们需要从这些
011 盛最多水的容器 LeetCode链接 https://leetcode-cn.com/problems/container-with-most-water/ 思路： C++代码： //假装有代码，代码改天弄上来吧 014 最长公共前缀 LeetCode：https://leetcode-cn.com/problems/longest-common-prefix/ 思路： 第一种是暴力法，直接拿第一个字
